使用Kmeans、Opencv和Python进行颜色分割

我有一个带有字母和不同颜色形状的图像。我需要对它们执行kmeans聚类，然后提供两个不同的图像，一个仅重新生成形状，另一个仅重新生成字母颜色。 这是一个原始图像样本，也是我需要实现的

同样的，另一个只有白色的R

我已经成功地执行了kmeans群集算法，如何访问标签和群集idx以重新生成所需的结果？有人能用一个示例代码来说明吗。这是代码。提前谢谢

import numpy as np
import cv2

img = cv2.imread("/home/manohar/Outputs/Targets/m-0.PNG",1)
cv2.imshow("original",img)

Z = img.reshape((-1,3))

# convert to np.float32
Z = np.float32(Z)

# Here we are applying k-means clustering so that the pixels around a colour are consistent and gave same BGR/HSV values 


# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
# We are going to cluster with k = 2, because the image will have just two colours ,a white background and the colour of the patch
K = 3
attempts=10
ret,label,center=cv2.kmeans(Z,K,None,criteria,attempts,cv2.KMEANS_PP_CENTERS)

# Now convert back into uint8
#now we have to access the labels to regenerate the clustered image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))
#res2 is the result of the frame which has undergone k-means clustering


cv2.imshow("res2",res2)
cv2.waitKey()
cv2.destroyAllWindows()

---

好的，如果您想将所有被

K-Means

分类为“白色”的像素都改为黑色，那么您需要首先查看哪个标签对应于“白色”类别。您可以通过查看白色（

255255255

）所属的

center

（其中包含生成的k个中心）索引来实现这一点，如下所示：

white_index = 0
for b,g,r in center:
    #check if it is white
    if b == g == r == 255:
        #then this is the white category
        break
    white_index = white_index + 1

请注意，由于

k-means

是一种未经监督的方法，因此您的类别可能不一定完全是白色的（可能类似于

250249254

）。所以你应该在搜索索引时考虑这一点，即你应该寻找更接近白色的颜色。您可以通过应用公式比较颜色来实现这一点

然而，根据我的经验，我相信

center

已经以某种方式对结果中心进行了排序（更大的像素值往往首先出现），并且我注意到靠近白色的中心具有更低的索引（因此白色可能是索引0）。但最好是确认一下

现在您已经知道什么索引对应于白色，您可以看到哪些像素被分类到

标签中的
变量中。为此，有几种方法可以做到这一点，其中一种方法肯定比其他方法更有效：

#Copy image to modify it
img_copy = img[:]
#Reshape label to match the original image
new_label = label.reshape(img.shape)
#iterate over new_label, and if the category is white
#paint pixel corresponding to row,col black
row = 0
for i in new_label:
    column = 0
    for category in i:
        if category == white_index:
            #paint that pixel black
            img_copy[row,column] = [0, 0, 0]
        column = column + 1
    row = row + 1

#now show edited image
cv2.imshow("Object Removed",img_copy)
cv2.waitKey()
cv2.destroyAllWindows()

编辑：上述代码将获取一幅检测到的颜色已删除（变黑）的图像。为了获得其补码，即只有检测到的对象可见的图像，您可以执行以下几项操作。一种方法是获取
img
的副本，并将非该颜色的像素（无
category==white\u index
）变黑，如：

仅获取提取对象的另一种更复杂的方法是获取对象的形状（通过阈值化并使用
cv2.findContents（）
），然后应用
cv2.boundingRect（）
，以便可以使用对象获取较小的剪辑（通过使用给定矩形剪裁
img
）。您可以在详细解释的地方查看该链接
 谢谢你的答复，先生，但这不是我想要达到的。当我传递任何带有形状和字母的图像时，我只想重新生成两个新图像，一个只有形状，另一个只有字母颜色。先生，我该怎么做？在C++中，我们使用CultStIdx，如何在Python中执行这个操作？你的问题还问了如何访问中心和标签。你能澄清一下你的意思吗？如果我理解正确，您希望图像中删除检测到的对象（如我在回答中已通过涂黑形状解释的图像）以及仅包含提取对象（字母）的图像？根据您的评论编辑我的答案您是否能够尝试我的解决方案，或者它是否有用？
#Obtain another copy of image to modify it
extract = img[:]
#Now do the opposite, iterate over new_label, and if the category is  Not white
#paint pixel corresponding to row,col black
row = 0
for i in new_label:
    column = 0
    for category in i:
        if category != white_index:
            #paint that pixel black
            extract[row,column] = [0, 0, 0]
        column = column + 1
    row = row + 1

#show or do whatever you want...